{"id":27422288,"url":"https://github.com/bosl95/win-rate-prediction-program","last_synced_at":"2026-04-24T16:06:45.456Z","repository":{"id":109359443,"uuid":"279573952","full_name":"bosl95/Win-rate-prediction-program","owner":"bosl95","description":"Predict win rate","archived":false,"fork":false,"pushed_at":"2020-08-28T13:46:52.000Z","size":2757,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":0,"default_branch":"master","last_synced_at":"2025-04-14T10:19:52.561Z","etag":null,"topics":["kaggle-dataset","pandas","riot-api","scikitlearn-machine-learning","svm-model"],"latest_commit_sha":null,"homepage":"","language":"Python","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/bosl95.png","metadata":{"files":{"readme":"readme.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null}},"created_at":"2020-07-14T12:05:08.000Z","updated_at":"2020-09-17T05:20:29.000Z","dependencies_parsed_at":"2023-07-22T10:15:55.819Z","dependency_job_id":null,"html_url":"https://github.com/bosl95/Win-rate-prediction-program","commit_stats":null,"previous_names":[],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/bosl95/Win-rate-prediction-program","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/bosl95%2FWin-rate-prediction-program","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/bosl95%2FWin-rate-prediction-program/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/bosl95%2FWin-rate-prediction-program/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/bosl95%2FWin-rate-prediction-program/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/bosl95","download_url":"https://codeload.github.com/bosl95/Win-rate-prediction-program/tar.gz/refs/heads/master","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/bosl95%2FWin-rate-prediction-program/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":286080680,"owners_count":32230443,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2026-04-24T13:21:15.438Z","status":"ssl_error","status_checked_at":"2026-04-24T13:21:15.005Z","response_time":64,"last_error":"SSL_read: unexpected eof while reading","robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":false,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["kaggle-dataset","pandas","riot-api","scikitlearn-machine-learning","svm-model"],"created_at":"2025-04-14T10:19:50.873Z","updated_at":"2026-04-24T16:06:45.451Z","avatar_url":"https://github.com/bosl95.png","language":"Python","funding_links":[],"categories":[],"sub_categories":[],"readme":"## Win rate prediction program\n- Pandas\n- scikit-learn : svm, metrics\n- pickle\n\n## Detail\n- [league of legends](https://kr.leagueoflegends.com/ko-kr/) 게임의 승률을 예측하는 프로그램\n- 닉네임을 입력 받고, 해당 유저의 최근 경기 기록을 가져와 그 경기 데이터를 이용한 승률을 예측한다.\n\n\n\u003e #### 1. 학습할 데이터와 학습 모델 만들기\n- kaggle에 등록된 challenger 랭크의 경기 데이터를 가져온다. [(출처)](https://www.kaggle.com/gyejr95/league-of-legends-challenger-ranked-games2020)\n- 하나의 행마다 매 경기의 데이터들이 들어있는데, red 팀과 blue 팀의 데이터가 같이 들어있으므로 red팀과 blue 팀 데이터를 나눈 다음 하나의 학습 데이터로 만들어준다. (같은 위치에 놓여야할 blue, red 데이터가 컬럼명이 살짝 달라서 컬럼명을 바꿔서 다시 합치는데  시간이 오래 걸렸다.)\n\t\t\n\t\t# blue, red 데이터를 하나의 데이터 프레임으로 합치기. (같은 내용인데 컬럼명만 다르기 때문에 데이터 가공이 필요하다.)\n\t\tnew_cols = {x:y for x, y in zip(red_data.columns, blue_data.columns)}  \n\t\ttrain_data = blue_data.append(red_data.rename(columns=new_cols), ignore_index=True)  \n\t\ttrain_label = blue_win.append(red_win, ignore_index=True)\n\npickle 모듈을 통해 학습 데이터 모델을 저장해 불필요한 학습 시간을 단축시킨다.\n\n\u003e #### 2. 경기 데이터 가져오기 (test data)\n- 닉네임을 입력받은 다음 Liot API를 이용해 account ID를 우선적으로 알아낸다. \n- 찾아낸 account ID를 통해 최근 전적을 검색한다. \n- 이때 최근 전적 중에서 솔로 혹은 듀오 랭크로만 데이터이어야 하고, 최근 전적을 나타내는 데이터에 유저의 game ID와 champion number를 가져온다. ( 솔로 랭크는 10명의 게임 참가자 중 중복되는 챔피언(캐릭터)를 가질 수 없으므로, 경기 데이터마다 챔피언을 통해 검색하는 유저의 정보를 찾는다.)\n- 그 game ID를 통해 경기 데이터에 접근하고, champion number를 통해 검색한 유저가 해당하는 팀(red or blue)을 찾을 수 있다. \n- 검열된 경기데이터에서 테스트하는데 필요한 정보를 뽑아 딕셔너리 타입으로 저장해준다.\n~~처음엔 defaultdict(float)로 만들어서 DataFrame을 생성해주려고 했으나 에러가 계속 떴다...~~ \n\n\t\tpd.DataFrame(test_Alldata[i], index=[0])\n\t\t# dictionary 타입의 테스트 데이터를 DataFrame으로 만들어주는 모드\n\t\t# 각 딕셔너리의 값이 리스트 형태가 아닌 단일 형태의 값인 경우 DataFrame으로 변환 시 에러가 발생한다. 따라서 index = [0]으로 지정해주거나 값을 리스트 형태로 만들어준다.\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fbosl95%2Fwin-rate-prediction-program","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fbosl95%2Fwin-rate-prediction-program","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fbosl95%2Fwin-rate-prediction-program/lists"}